Uji Normalitas Sebaran dan Linieritas Evaluasi atas Outlier

61 Tabel 4.10 Hasil Jawaban Responden untuk Pertanyaan Variabel Kesetiaan Merek Y 4 No Pertanyaan Skor Jawaban Total 1 2 3 4 5 1 Responden akan merekomendasikan kepada teman atau relasi responden untuk membeli produk obat batuk Vicks 2 39 60 23 125 2 Responden akan terus menggunakan produk obat batuk Vicks 6 26 62 30 125 3 Responden kalau sakit batuk terbiasa menggunakan obat batuk Vicks 5 27 62 30 125 Total 13 92 184 83 Sumber: Hasil Penyebaran Kuesioner Lampiran 2 Berdasarkan hasil penyebaran kuesioner diketahui bahwa jawaban yang diberikan reseponden setuju dengan pertanyaan yang diajukan. Hal tersebut ditunjukkan dengan banyaknya responden yang memberikan jumlah jawaban sebesar 184 pada skor 5, hal tersebut berarti responden akan merekomendasikan kepada teman atau relasi responden untuk membeli produk obat batuk Vicks, responden akan terus menggunakan produk obat batuk Vicks dan responden kalau sakit batuk terbiasa menggunakan obat batuk Vicks

4.3. Deskripsi Hasil Analisis Dan Uji Hipotesis

4.3.1. Uji Normalitas Sebaran dan Linieritas

Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak 62 normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58. Hasil pengujian Normalitas pada penelitian ini akan ditampilkan pada tabel berikut : Tabel 4.11. Hasil Uji Normalitas Variable min max kurtosis c.r. X11 2 5 0,383 0,871 X12 2 5 -0,799 -1,817 X13 2 5 0,057 0,130 X21 2 5 1,055 2,398 X22 2 5 -0,174 -0,395 X31 1 5 0,387 0,879 X32 1 5 -0,116 -0,263 X33 2 5 -0,425 -0,966 X34 1 5 0,286 0,651 X35 1 5 0,371 0,843 X36 2 5 -1,058 -2,406 Y11 2 5 -0,823 -1,871 Y12 2 5 -0,344 -0,782 Y13 2 5 -0,860 -1,955 Y21 2 5 -0,878 -1,997 Y22 2 5 -0,635 -1,444 Y23 2 5 -0,635 -1,444 Y31 2 5 -0,190 -0,432 Y32 2 5 -0,361 -0,821 Y33 2 5 -0,137 -0,310 Y34 2 5 -0,474 -1,078 Y35 2 5 -0,719 -1,634 Y41 2 5 -0,663 -1,507 Y42 2 5 -0,200 -0,456 Y43 2 5 -0,251 -0,570 Multivariate 21,125 3,201 Batas Normal ± 2,58 Sumber : Lampiran 3 Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di luar ± 2,58 itu berarti asumsi normalitas tidak terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler Chou [1987] bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood estimation [MLE] walau ditribusi datanya tidak normal masih dapat 63 menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.

4.3.2. Evaluasi atas Outlier

Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim untuk sebuah variabel tunggal atau variabel kombinasi Hair,1998. Multivariate outlier diuji dengan kriteria jarak Mahalanobis pada tingkat p 0,001. Jarak diuji dengan Chi-Square [ χ2] pada df sebesar jumlah variabel bebasnya df = 11. Ketentuan : bila Mahalanobis dari nilai χ2 adalah multivariate outlier. Pada penelitian ini terdapat outlier apabila nilai Mahalanobis distancenya 52,620. Untuk lebih memperjelas uraian mengenai evaluasi outlier multivariate berikut ini akan disajikan tabel Uji Outlier Multivariate : Tabel 4.12. Hasil Pengujian Outlier Multivariate Minimum Maximum Mean Std. Deviation N Predicted Value -3,816 119,003 63,000 26,894 125 Std. Predicted Value -2,484 2,082 0,000 1,000 125 Standard Error of Predicted Value 7,515 21,787 12,219 2,059 125 Adjusted Predicted Value -8,621 118,600 63,445 27,421 125 Residual -77,087 60,519 0,000 24,274 125 Std. Residual -2,838 2,228 0,000 0,894 125 Stud. Residual -2,983 2,389 -0,006 1,004 125 Deleted Residual -85,166 69,602 -0,445 30,936 125 Stud. Deleted Residual -3,111 2,449 -0,008 1,014 125 Mahalanobis Distance [MD] 8,497 78,763 24,800 9,019 125 Cooks Distance 0,000 0,155 0,011 0,019 125 Centered Leverage Value 0,069 0,635 0,200 0,073 125 a Dependent Variable : NO. RESP Sumber : Lampiran 4 64 Berdasarkan tabel di atas, setelah dilakukan pengujian diketahui nilai MD maksimum adalah 78,763 lebih kecil dari 52,620. Oleh karena itu diputuskan dalam penelitian terdapat outlier multivariate antar variabel sehingga 1 case dalam outlier ini harus dileminasi sehingga N pada analisis selanjutnya tinggal 125-1=124. 4.3.3. Deteksi Multicollinierity dan Singularity Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 kecil, maka terjadi multikolinieritas dan singularitas Tabachnick Fidell, 1998. Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.0 diperoleh hasil Determinant of Sample Covariance Matrix adalah 0 yaitu sebesar 40.869.570 mengindikasikan tidak terjadi multikolinieritas dan singularitas dalam data ini sehingga asumsi terpenuhi. 4.3.4. Uji Validitas dan Reliabilitas Validitas menyangkut tingkat akurasi yang dicapai oleh sebuah indikator dalam menilai sesuatu atau akuratnya pengukuran atas apa yang seharusnya diukur. Sedangkan reliabilitas adalah ukuran mengenai konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat sampai dimana masing-masing indikator itu mengindikasikan sebuah konstruk yang umum. Karena indikator multidimensi, maka uji validitas dari setiap latent variabelconstruct akan diuji dengan melihat faktor loading faktor dari 65 hubungan antara setiap observed variabel dan latent variabel. Sedangkan reliabilitas diuji dengan construct reliability dan variance extracted. Dari hasil pengolahan data didapatkan hasil sebagai berikut : Tabel 4.13. Faktor Loading dan Konstruk dengan Confirmatory Factor Analysis Konstrak Indikator Faktor Loading 1 2 3 4 Brand Image X11 0,597 X12 0,737 X13 0,673 Brand Attitude X21 0,741 X22 0,654 Price Deals X31 0,778 X32 0,776 X33 0,654 X34 0,738 X35 0,814 X36 0,653 Brand Awareness Y11 0,658 Y12 0,744 Y13 0,649 Brand Association Y21 0,762 Y22 0,754 Y23 0,666 Brand Imprassion Y31 0,589 Y32 0,692 Y33 0,763 Y34 0,756 Y35 0,651 Brand Loyalty Y41 0,641 Y42 0,883 Y43 0,790 Sumber : Hasil Pengolahan Data Lampiran 5 Berdasarkan hasil confirmatory factor analysis terlihat bahwa factor loadings masing masing butir pertanyaan yang membentuk setiap construct sebagian besar 0.5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya cukup baik dan dapat diterima. Koefisien Cronbach’s Alpha dihitung untuk mengestimasi reliabilitas setiap skala variabel atau indikator observarian. Sementara itu item to total correlation digunakan untuk memperbaiki ukuran-ukuran dan mengeliminasi 66 butir-butir yang kehadirannya akan memperkecil koefisien Cronbach’s Alpha yang dihasilkan. Hasil pengujian reliabilitas Consistency Internal dalam penelitian ini dapat dilihat pada tabel berikut ini : Tabel 4.14. Pengujian Reliability Consistency Internal Konstrak Indikator Item to Total Correlation Koefisien Cronbachs Alpha Brand Image X11 0,769 0,714 X12 0,833 X13 0,789 Brand Attitude X21 0,882 0,658 X22 0,846 Price Deals X31 0,819 0,870 X32 0,820 X33 0,722 X34 0,762 X35 0,835 X36 0,720 Brand Awareness Y11 0,789 0,718 Y12 0,794 Y13 0,822 Brand Association Y21 0,852 0,772 Y22 0,828 Y23 0,809 Brand Imprassion Y31 0,680 0,817 Y32 0,799 Y33 0,790 Y34 0,800 Y35 0,727 Brand Loyalty Y41 0,796 0,811 Y42 0,895 Y43 0,861 : tereliminasi Sumber : Lampiran 6 Hasil pengujian reliabilitas konsistensi internal untuk setiap construct di atas menunjukkan hasil yang baik dimana koefisien koefisien Cronbach’s Alpha yang diperoleh sebagian besar memenuhi rules of thumb yang disyaratkan yaitu 0.7 [Hair et.al.,1998]. 67 Selain melakukan pengujian konsistensi internal Cronbach’s Alpha, perlu juga dilakukan pengujian construct reliability dan variance extracted. Kedua pengujian tersebut masih dalam koridor uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa indikator-indikator individual mengukur suatu pengukuran yang sama. Construct reliability dan Variance-extracted dihitung dengan rumus sebagai berikut: [ ] [ ] ] j ading dardize Lo S Loading Stadardize liability Construct ε ∑ + ∑ ∑ = 2 2 tan Re [ ] [ ] j ading dardize Lo S Loading Stadardize xtracted Variance E ε ∑ ∑ ∑ = 2 2 tan Sementara ε j dapat dihitung dengan formula ε j [ ] 2 tan 1 ading dardize Lo S j − = ε = 1 – [Strespondenrdize loading] secara umum, nilai construct reliability yang dapat diterima adalah ≥ 0,5 Hair at, 1998. Strespondenrdize loading dapat diperoleh dari output AMOS 4.01, dengan melihat estimasi setiap construct strespondenrdize regression weight terhadap setiap butir sebagai indikatornya. Hasil pengujan Construct Reliability dan Variance Extraced dalam penelitian ini akan ditampilkan pada tabel berikut: 68 Tabel 4.15. Construct Reliability Variance Extrated Konstrak Indikator Standardize Factor Loading SFL Kuadrat Error [εj] Construct Reliability Variance Extrated Brand Image X11 0,597 0,356 0,644 0,710 0,451 X12 0,737 0,543 0,457 X13 0,673 0,453 0,547 Brand Attitude X21 0,741 0,549 0,451 0,655 0,488 X22 0,654 0,428 0,572 Price Deals X31 0,778 0,605 0,395 0,877 0,545 X32 0,776 0,602 0,398 X33 0,654 0,428 0,572 X34 0,738 0,545 0,455 X35 0,814 0,663 0,337 X36 0,653 0,426 0,574 Brand Awareness Y11 0,658 0,433 0,567 0,725 0,469 Y12 0,744 0,554 0,446 Y13 0,649 0,421 0,579 Brand Association Y21 0,762 0,581 0,419 0,772 0,531 Y22 0,754 0,569 0,431 Y23 0,666 0,444 0,556 Brand Imprassion Y31 0,589 0,347 0,653 0,821 0,481 Y32 0,692 0,479 0,521 Y33 0,763 0,582 0,418 Y34 0,756 0,572 0,428 Y35 0,651 0,424 0,576 Brand Loyalty Y41 0,641 0,411 0,589 0,819 0,605 Y42 0,883 0,780 0,220 Y43 0,790 0,624 0,376 Batas Dapat Diterima ≥ 0,7 ≥ 0,5 Sumber : Hasil Pengolahan Data lampiran 7 Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen reliabel, yang ditunjukkan dengan nilai construct reliability seluruhnya ≥ 0,7, dan variance extracted yang diperoleh sebagian besar menunjukkan nilai diatas 0,5. Yang artinya seluruh instrumen yang digunakan pada penelitian ini telah reliabel. 4.3.5. Pengujian Model Dengan One-Step Approach Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan 69 terbesar disebabkan oleh terjadinya interaksi antara measurement model dan structural model yang diestimasi secara bersama-sama One Step Approach to SEM. One step aprroach to SEM digunakan apabila model diyakini bahwa dilrespondensi teori yang kuat serta validitas reliabilitas data sangat baik Hair et.al.,1998. Hasil estimasi dan fit model one step approach to SEM dengan menggunakan program aplikasi Amos 4.01 terlihat pada Gambar dibawah ini: Gambar 4.1 Tabel 4.16. Evaluasi Kriteria Goodness of Fit Indices Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 0,931 ≤ 2,00 baik Probability 0,782 ≥ 0,05 baik RMSEA 0,000 ≤ 0,08 baik GFI 0,865 ≥ 0,90 kurang baik AGFI 0,834 ≥ 0,90 kurang baik TLI 1,019 ≥ 0,95 baik CFI 1,000 ≥ 0,94 baik Sumber : Hasil Pengolahan data MODEL PENGUKURAN STRUKTURAL Brand Image, Attitude, Promotion Cost, Brand Equity Model Specification : One Step Approach - Base Model Quality Impression Y31 er_18 Y32 er_19 Y33 er_20 1 1 1 1 d_bi Y34 er_21 1 Y35 er_22 1 1 Promotion Cost X31 er_6 X32 er_7 X33 er_8 X34 er_9 X35 er_10 X36 er_11 1 1 1 1 1 1 1 Brand Image X11 er_1 X12 er_2 X13 er_3 1 1 1 1 Brand Attitude X21 er_4 X22 er_5 1 1 Brand Association Y21 er_15 Y22 er_16 Y23 er_17 1 1 1 1 Brand Loyalty Y41 er_23 Y42 er_24 Y43 er_25 1 1 1 1 Brand Awareness Y11 er_12 Y12 er_13 Y13 er_14 1 1 1 1 Brand Equity 1 d_bl d_ba d_bw 0,005 d_be 1 1 1 1 MODEL PENGUKURAN STRUKTURAL Brand Image, Attitude, Price Deals Brand Equity Model Specification:One Step Approach- Base Model Price Deals 70 Dari hasil evaluasi terhadap model one step base model ternyata dari semua kriteria goodness of fit yang digunakan, belum seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model belum sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Berdasarkan uji Reliability Consistency Internal terdapat indikator tereliminasi sehingga model berubah sebagaimana terdapat di bawah ini : Tabel 4.17. Evaluasi Kriteria Goodness of Fit Indices Kriteria Hasil Nilai Kritis Evaluasi Model CminDF 0,815 ≤ 2,00 baik Probability 0,987 ≥ 0,05 baik RMSEA 0,000 ≤ 0,08 baik GFI 0,900 ≥ 0,90 baik AGFI 0,900 ≥ 0,90 baik TLI 1,051 ≥ 0,95 baik CFI 1,000 ≥ 0,94 baik Sumber : Hasil Pengolahan data Price deal s Gambar 4.2. MODEL PENGUKURAN STRUKTURAL Brand Image, Attitude, Promotion Cost, Brand Equity Model Specification : One Step Approach - Modifikasi Quality Impression Y31 er_18 Y32 er_19 Y33 er_20 1 1 1 1 d_bi Y34 er_21 1 Y35 er_22 1 1 Promotion Cost X31 er_6 X32 er_7 X33 er_8 X34 er_9 X35 er_10 X36 er_11 1 1 1 1 1 1 1 Brand Image X11 er_1 X12 er_2 X13 er_3 1 1 1 1 Brand Attitude X21 er_4 X22 er_5 1 1 Brand Association Y21 er_15 Y22 er_16 Y23 er_17 1 1 1 1 Brand Loyalty Y41 er_23 Y42 er_24 Y43 er_25 1 1 1 1 Brand Awareness Y11 er_12 Y12 er_13 Y13 er_14 1 1 1 1 Brand Equity 1 d_bl d_ba d_bw 0,005 d_be 1 1 1 1 Price Deals MODEL PENGUKURAN STRUKTURAL Brand Image, Attitude, Price Deals Brand Equity Model Specification:One Step Approach- Modification 71 Dari hasil evaluasi terhadap model one step modifikasi ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah sepenuhnya didukung oleh fakta. Dengan demikian model ini adalah model yang terbaik untuk menjelaskan keterkaitan antar variabel dalam model sebagaimana terdapat di bawah ini Dilihat dari angka determinant of sample covariance matrix : 40.869.570 0 mengindikasikan tidak terjadi multicolinierity atau singularity dalam data ini sehingga asumsi terpenuhi. Dengan demikian besaran koefisien regresi masing-masing faktor dapat dipercaya sebagaimana terlihat pada uji kausalitas dibawah ini.

4.3.6. Pengujian Hipotesis dan Hubungan Kausal